[ad_1]
Nesta terça-feira (18), ocorreu o Google I/O, em que a empresa compartilhou uma nova pesquisa de inteligência artificial que pretende melhorar o rastreamento da tuberculose. A doença infecta 10 milhões de pessoas por ano e também afeta várias pessoas em países de renda baixa a média. Infelizmente, o diagnóstico precoce é difícil porque seus sintomas podem imitar os de doenças respiratórias comuns.
O rastreamento foi identificado como uma forma de melhorar o processo, porém, os especialistas nem sempre estão disponíveis para interpretar os resultados. Para ajudar a identificar a doença precocemente, focando em eventualmente erradicá-la, os pesquisadores do Google desenvolveram uma ferramenta de inteligência artificial baseada em imagens médicas para identificar pacientes com tuberculose.
publicidade
Em um novo estudo divulgado ainda nesta semana, a empresa descobriu que o sistema pode ser usado para identificar com precisão os pacientes com probabilidade de ter tuberculose ativa com base em sua radiografia de tórax. A pesquisa indica que uma triagem eficaz com base em inteligência artificial que pode economizar até 80% do custo.
Leia mais:
A inteligência artificial do Google foi capaz de detectar com precisão casos de tuberculose pulmonar ativa com taxas de detecção de falso-negativo e falso-positivo que foram semelhantes a 14 radiologistas. Para garantir que o modelo funcionasse para pacientes de uma ampla gama de raças e etnias, foi utilizado dados não identificados de nove países para treinar o modelo.
O sistema produz um número entre 0 e 1 que indica o risco de tuberculose. Para utilidade em um ambiente real, é necessário um acordo sobre qual nível de risco indica que os pacientes devem ser recomendados para testes adicionais.
Através do desempenho do modelo, a pesquisa do Google sugere que qualquer clínica pode começar – a partir do limite padrão estabelecido – a ter a certeza de que terá uma resposta semelhante ao dos radiologistas, facilitando a implantação dessa tecnologia.
A partir de então, as clínicas podem ajustar o limite com base nas necessidades e recursos locais. As regiões com menos recursos podem usar um ponto de corte mais alto para reduzir o número de exames de acompanhamento necessários, por exemplo.
Fonte: Blog do Google
Já assistiu aos nossos novos vídeos no YouTube? Inscreva-se no nosso canal!
[ad_2]
Fonte